Project Icon

whisper-tiny.en

Whisper微调的英文语音识别模型

这是一个基于Whisper-tiny.en模型开发的轻量级语音识别工具,通过Azure数据集训练优化,主要用于英文语音转文本任务。模型采用线性学习率调度和Adam优化器,经过1000步训练后达到44.34%的词错误率。项目采用开源Apache 2.0许可,基于主流深度学习框架开发,便于开发者集成使用。

whisper-diarization - 基于OpenAI Whisper的音频转录和说话人分离工具
GithubOpenAI WhisperSpeaker Diarization开源项目语音识别说话人分类音频处理
whisper-diarization项目整合了OpenAI Whisper的语音识别技术和先进的说话人分离方法。该工具首先进行人声提取,然后利用Whisper生成转录文本,并通过WhisperX优化时间戳。结合MarbleNet和TitaNet等技术,它能够准确识别多个说话人,最终输出包含说话人标识的精确转录结果。这一开源解决方案特别适合需要处理多人对话音频的场景,为音频转录和分析提供了强大支持。
WhisperFusion - WhisperFusion 低延迟高性能的实时AI语音交互系统
GPU加速GithubTensorRT优化WhisperFusion大语言模型实时语音转文字开源项目
WhisperFusion是一个开源项目,结合WhisperLive和WhisperSpeech技术,集成Mistral大语言模型,实现实时语音转文本和智能对话。项目采用TensorRT引擎优化模型性能,使用torch.compile加速处理,在RTX 4090 GPU上实现低延迟对话。通过Docker Compose简化部署,方便开发者快速搭建AI语音交互系统。
whisper.unity - 本地语音识别与多语言翻译工具
ASRGithubOpenAIUnitywhisper.cppwhisper.unity开源项目
whisper.unity项目为Unity3d提供了whisper.cpp的绑定,支持在本地运行OpenAI Whisper自动语音识别模型。具备约60种语言支持、多语言翻译和多种模型尺寸选择,可在Windows、MacOS、Linux、iOS和Android等平台上高效运行,且无需互联网连接。项目完全开源,支持商业用途,并支持CUDA和Metal加速。
whisper_streaming - 基于Whisper的实时语音转录和翻译开源系统
GithubWhisper多语言实时转录开源项目流式处理语音识别
whisper_streaming是基于Whisper模型的实时语音转录和翻译系统。该项目采用本地协议和自适应延迟实现流式转录,在长篇未分段语音测试中实现高质量转录,延迟仅3.3秒。系统提供多种后端选择,支持GPU加速,适用于多语言会议实时转录。项目还提供灵活API,便于开发者集成到不同应用场景。
whisper-youtube - Whisper模型用于YouTube视频的多语言转录和语言识别
GithubGoogle ColabOpenAIWhisperYouTube视频转录开源项目语音识别
Whisper模型用于YouTube视频的多语言转录和语言识别。教程涵盖从Google Colab安装库到在Google Drive中保存转录文件的全过程,并提供GPU优化建议,适合需要高效、精准进行视频转录的用户。
whisper-large-v3-turbo - 乌兹别克语语音识别模型的高性能解决方案
Common VoiceGithubHuggingfaceWhisper乌兹别克语开源项目模型模型微调语音识别
Whisper Large v3 Turbo是一个针对乌兹别克语优化的语音识别模型,基于OpenAI的Whisper大型模型微调而来。该模型在Common Voice 16.1数据集上训练,在测试集达到28.26%的词错误率,展现了良好的识别能力。模型使用Adam优化器和线性学习率策略,经过1万步训练。这一模型为乌兹别克语自动语音识别应用提供了有效工具。
faster-distil-whisper-large-v2 - 通过CTranslate2实现的高效音频转录转换方案
CTranslate2GithubHuggingfaceWhisper开源项目模型模型转换自动语音识别量化
此项目将distil-whisper/distil-large-v2模型转换为CTranslate2格式,适用于CTranslate2项目如faster-whisper,并支持FP16计算,增强了自动语音识别的性能和效率。
wav2vec2-large-xlsr-53-english - XLSR-53微调的英语语音识别模型
Common VoiceGithubHuggingfaceWav2Vec2XLSR-53开源项目模型自然语言处理语音识别
该模型基于wav2vec2-large-xlsr-53在Common Voice 6.1英语数据集上微调而来。在Common Voice英语测试集上,模型达到19.06%词错率和7.69%字符错误率。支持16kHz采样率语音输入,可单独使用或结合语言模型。提供HuggingSound库和自定义脚本的Python示例代码,方便用户进行语音识别。
insanely-fast-whisper-api - 音频转文字的高速开源API,支持GPU云部署与并发处理
DockerGithubJigsawStackWhisper API开源开源项目转换音频
这是一款基于OpenAI Whisper Large v3的API,能够高速将音频转录为文字。此开源项目支持在任意支持GPU的云提供商上部署,内置说话人分离功能,提供易用的Fast API层、异步后台任务和Webhooks,优化了并发处理。支持任务管理、取消与状态查询,拥有安全的管理员认证访问。通过Docker可以轻松部署到包括Fly.io在内的多种VM环境,实现高效的生产用途。
tensorflow-speech-recognition - 开源TensorFlow中的语音识别示例
DeepSpeechGithubTensorflowWhisper开源项目深度学习语音识别
使用谷歌的TensorFlow框架进行语音识别,最初目标是为Linux系统创建独立的语音识别模型。尽管该项目现主要用于教学,开发者展示了使用开源数据和强大模型实现高效语音识别的潜力。推荐查看更新项目如Whisper和Mozilla的DeepSpeech,这两个项目在错误率方面的表现出色。该项目包含示例代码、依赖安装指导及功能扩展,如GPU上的WarpCTC和P2P学习模块。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号